|本期目录/Table of Contents|

[1]郁莹珺,徐达宇,寿国忠,等.基于经验模态分解和小波神经网络的温室温湿度预测[J].江苏农业科学,2019,47(01):211-216.
　Yu Yingjun,et al.Prediction of temperature and humidity in greenhouse based on empirical mode decomposition and wavelet neural network[J].Jiangsu Agricultural Sciences,2019,47(01):211-216.
点击复制

基于经验模态分解和小波神经网络的温室温湿度预测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第01期
页码:
211-216
栏目:
农业工程与信息技术
出版日期:
2019-01-05

文章信息/Info

Title:
Prediction of temperature and humidity in greenhouse based on empirical mode decomposition and wavelet neural network
作者:
郁莹珺1;  徐达宇1; 2;  寿国忠2; 3;  王佩欣2; 3
1.浙江农林大学信息工程学院，浙江临安 311300； 2.浙江农林大学/浙江省林业智能监控和信息技术研究重点实验室，浙江临安 311300；
3.浙江农林大学工程学院，浙江临安 311300
Author(s):
Yu Yingjun; et al
关键词:
经验模态分解; 小波神经网络; 模型构建; 温室; 温度; 湿度; 预测
Keywords:
-
分类号:
S625.5+1
DOI:
-
文献标志码:
A
摘要:
温室温湿度的准确预测有助于及时调节温室小环境，温湿度预测模型是温室控制的重要基础，提高预测精度有助于提高生产水平。针对温室系统具有非线性、非平稳性等特点，提出一种基于经验模态分解(empirical mode decomposition，简称EMD)和小波神经网络(wavelet neural network，简称WNN)的温室温湿度组合预测方法。首先，利用经验模态分解方法将原始时间序列分解成一系列分量；然后对各分量分别构建小波神经网络模型进行预测；最后叠加各子序列得到预测值。结果表明，运用EMD-WNN组合的温度模型有效性为0.993 4，湿度模型有效性为0.978 1，且优于单独WNN模型和BP神经网络模型的预测结果，可有效提高短期温室温湿度预测的精度。
Abstract:
-

参考文献/References:

［1］徐立鸿，苏远平，梁毓明. 面向控制的温室系统小气候环境模型要求与现状［J］. 农业工程学报，2013，29(19)：1-15.
［2］王定成. 温室环境的支持向量机回归建模［J］. 农业机械学报，2004，35(5)：106-109.
［3］李倩，申双和，曹雯，等. 南方塑料大棚冬春季温湿度的神经网络模拟［J］. 中国农业气象，2012，33(2)：190-196.
［4］金志凤，符国槐，黄海静，等. 基于BP神经网络的杨梅大棚内气温预测模型研究［J］. 中国农业气象，2011，32(3)：362-367.
［5］Fourati F. Multiple neural control of a greenhouse［J］. Neurocomputing，2014，139(SI)：138-144.
［6］邹伟东，张百海，姚分喜，等. 基于改进型极限学习机的日光温室温湿度预测与验证［J］. 农业工程学报，2015(24)：194-200.
［7］Huang N，Shen Z，Long S R，et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis［J］. Proceedings of the Royal Society A-Mathematical Physical and Engineering Sciences，1998，454(1971)：903-995.
［8］叶林，刘鹏. 基于经验模态分解和支持向量机的短期风电功率组合预测模型［J］. 中国电机工程学报，2011，31(31)：102-108.
［9］姚冠新，顾晴. 基于经验模态分解和支持向量机的农产品价格短期预测［J］. 江苏农业科学，2014，42(9)：402-405.
［10］贾嵘，李涛涛，夏洲，等. 基于随机共振和经验模态分解的水力发电机组振动故障诊断［J］. 水利学报，2017，48(3)：334-340，350.
［11］王贺，胡志坚，陈珍，等. 基于集合经验模态分解和小波神经网络的短期风功率组合预测［J］. 电工技术学报，2013，28(9)：137-144.
［12］Zhang Q，Benveniste A. Wavelet networks［J］. IEEE Transactions on Neural Networks，1992，3(6)：889-898.
［13］侯泽宇，卢文喜，陈社明. 基于小波神经网络方法的降水量预测研究［J］. 节水灌溉，2013(3)：31-34.
［14］成谢锋，傅女婷，陈胤，等. 一种心音小波神经网络识别系统［J］. 振动与冲击，2017，36(3)：1-6.
［15］靳然，李生才. 基于小波神经网络和BP神经网络的麦蚜发生期预测对比(英文)［J］. 植物保护学报，2016，43(3)：353-361.
［16］程声烽，程小华，杨露. 基于改进粒子群算法的小波神经网络在变压器故障诊断中的应用［J］. 电力系统保护与控制，2014(19)：37-42.

相似文献/References:

[1]姚冠新,顾晴.基于经验模态分解和支持向量机的农产品价格短期预测[J].江苏农业科学,2014,42(09):402.
　Yao Guanxin,et al.Short-term forecasting method of agricultural product price based on EMD-SVM[J].Jiangsu Agricultural Sciences,2014,42(01):402.
[2]翟哲,李伟凯,李长凯,等.EMD在叶绿素光谱信号去噪中的应用[J].江苏农业科学,2015,43(04):392.
　Zhai Zhe,et al.Application of empirical mode decomposition in signal denoising of chlorophyll spectroscopy[J].Jiangsu Agricultural Sciences,2015,43(01):392.

备注/Memo

备注/Memo:
收稿日期：2017-09-04
基金项目：浙江省自然科学基金(编号：LQ17G010003)；浙江农林大学人才启动项目(编号：2012FR070)。
作者简介：郁莹珺(1992—)，女，浙江临安人，硕士研究生，主要从事农林业物联网方面的研究。E-mail：120664963@qq.com。
通信作者：寿国忠，博士，教授，主要从事农业物联网技术的研究。E-mail：gzshou@zafu.edu.cn。
更新日期/Last Update: 2019-01-05